针对现有欠采样处理算法中存在样本缺少代表性、分类性能差等问题,提出了一种基于聚类欠采样的加权随机森林算法(weighted random forest algorithm based on clustering under-sampling,CUS-WRF)。利用K-means算法对多数类样本聚类,引...针对现有欠采样处理算法中存在样本缺少代表性、分类性能差等问题,提出了一种基于聚类欠采样的加权随机森林算法(weighted random forest algorithm based on clustering under-sampling,CUS-WRF)。利用K-means算法对多数类样本聚类,引入欧氏距离作为欠采样时分配样本个数的权重依据,使采样后的多数类样本与少数类样本形成一个平衡的样本集,以CART决策树为基分类器,加权随机森林为整体框架,同时将测试样本的准确率作为每棵树的权值来完成对结果的最终投票,有效提高了整体分类性能。选择八组KEEL数据集进行实验,结果表明,与其余四种基于随机森林的不平衡数据处理算法相比,CUS-WRF算法的分类性能及稳定性更具优势。展开更多
针对水下环境中因各类干扰源导致的三维水声无线传感网络节点定位精度偏低问题,提出一种基于高斯滤波和拟牛顿法改进的三维水声无线传感网络节点定位方法。该方法基于水下声信号传输损耗(acoustic signal transmission loss,ASTL)模型,...针对水下环境中因各类干扰源导致的三维水声无线传感网络节点定位精度偏低问题,提出一种基于高斯滤波和拟牛顿法改进的三维水声无线传感网络节点定位方法。该方法基于水下声信号传输损耗(acoustic signal transmission loss,ASTL)模型,首先对传输损耗值(transmission loss,TL)进行采样,其次进行高斯滤波处理,并将处理后的数据代入改进后的测距模型进行距离估计,最后结合多边定位方法,得到最小二乘解即未知节点的估计坐标。将位置方程组求解结果代入拟牛顿算法进行最优值逼近,得到接近实际值的解。仿真结果表明:该方法降低了节点测距的误差,测距结果优于传统测距方法以及基于PF、RF和KF等滤波的测距方法;在定位精度上,与ASTL-GWO、ASTL-SAPSO和ASTL-RQ-PSO定位算法相比,分别提高了约49%,31%和9%。展开更多
文摘针对现有欠采样处理算法中存在样本缺少代表性、分类性能差等问题,提出了一种基于聚类欠采样的加权随机森林算法(weighted random forest algorithm based on clustering under-sampling,CUS-WRF)。利用K-means算法对多数类样本聚类,引入欧氏距离作为欠采样时分配样本个数的权重依据,使采样后的多数类样本与少数类样本形成一个平衡的样本集,以CART决策树为基分类器,加权随机森林为整体框架,同时将测试样本的准确率作为每棵树的权值来完成对结果的最终投票,有效提高了整体分类性能。选择八组KEEL数据集进行实验,结果表明,与其余四种基于随机森林的不平衡数据处理算法相比,CUS-WRF算法的分类性能及稳定性更具优势。
文摘针对水下环境中因各类干扰源导致的三维水声无线传感网络节点定位精度偏低问题,提出一种基于高斯滤波和拟牛顿法改进的三维水声无线传感网络节点定位方法。该方法基于水下声信号传输损耗(acoustic signal transmission loss,ASTL)模型,首先对传输损耗值(transmission loss,TL)进行采样,其次进行高斯滤波处理,并将处理后的数据代入改进后的测距模型进行距离估计,最后结合多边定位方法,得到最小二乘解即未知节点的估计坐标。将位置方程组求解结果代入拟牛顿算法进行最优值逼近,得到接近实际值的解。仿真结果表明:该方法降低了节点测距的误差,测距结果优于传统测距方法以及基于PF、RF和KF等滤波的测距方法;在定位精度上,与ASTL-GWO、ASTL-SAPSO和ASTL-RQ-PSO定位算法相比,分别提高了约49%,31%和9%。